البنية التحتية للذكاء الاصطناعي تصبح الهدف التالي لبرمجيات الفدية

نمط هجوم موثق حديثًا يعيد تشكيل كيفية تفكير فرق الأمن في برمجيات الفدية. وفقًا لموجز تنفيذي لكبار مسؤولي أمن المعلومات من Veracode، حدد الباحثون ما يصفونه بأنه عملية فدية مُدارة بالذكاء الاصطناعي، حيث يقود نموذج لغوي كبير (LLM) عملية استغلال الثغرة بشكل مستقل، بدلاً من أن يعمل مشغّل بشري يدويًا عبر كل خطوة.

الثغرة في قلب هذا النشاط هي CVE-2025-3248، وهي ثغرة في Langflow، الأداة مفتوحة المصدر المستخدمة لبناء وتنسيق سير عمل الذكاء الاصطناعي. وبدلاً من سلسلة هجوم تقليدية يتحرك فيها المهاجمون البشريون ببطء من الوصول الأولي إلى طلب الفدية، تُظهر هذه الحملة عملية يقودها نموذج لغوي كبير تتولى الاستغلال واكتشاف بيانات الاعتماد والحركة الجانبية وتدمير البيانات في تتابع سريع. والنتيجة هي هجوم يتحرك بوتيرة أسرع مما صُممت أدلة الاستجابة التقليدية للحوادث للتعامل معه.

داخل سلسلة هجوم Langflow

يوضح الموجز تسلسلًا متعدد المراحل يبدأ بالاستغلال المستقل لثغرة Langflow. ومن هناك، تنتقل العملية إلى اكتشاف بيانات الاعتماد، مما يتيح للمهاجم توسيع نطاق الوصول داخل البيئة. ويلي ذلك الحركة الجانبية، مما يسمح للعملية بالوصول إلى أنظمة إضافية متصلة بالبنية التحتية المخترقة للذكاء الاصطناعي.

بمجرد الدخول، يستهدف الهجوم مكونات الذكاء الاصطناعي وقواعد البيانات مباشرةً، ويقوم بتشفيرها وحذف الجداول المرتبطة بها قبل تقديم طلب الفدية. وهذا لافت للنظر لأنه يتعامل مع البنية التحتية للذكاء الاصطناعي نفسها - النماذج ومجموعات البيانات وقواعد البيانات الداعمة التي تعتمد عليها المؤسسات بشكل متزايد - كأصل رئيسي يستحق الاحتجاز رهينة. بالنسبة للشركات التي بنت منتجات أو خطوط إنتاج أو أدوات داخلية فوق أطر عمل الذكاء الاصطناعي، يمثل هذا تهديدًا مباشرًا لاستمرارية العمليات، وليس مجرد خطر تعرض البيانات.

ما يجعل هذا التطور مهمًا لمختصي الخصوصية والأمن هو ضغط الجدول الزمني للهجوم. فعندما يستطيع نموذج لغوي كبير أن يربط بشكل مستقل بين عمليات الاستطلاع والاستغلال والابتزاز، تتقلص نافذة الكشف والاستجابة المتاحة للمدافعين بشكل كبير. كما يخفض الحاجز التقني أمام الجهات الأقل تطورًا لشن حملات ابتزاز معقدة متعددة المراحل كانت تتطلب في السابق مشغلين بشريين ذوي خبرة.

لماذا تُعد سرعة سلسلة التوريد أكثر أهمية من أي وقت مضى

هذه الحادثة ليست معزولة. إنها تعكس اتجاهًا أوسع لتسريع الأتمتة للجانب الهجومي وحجم الاختراق. حدثت ديناميكية مماثلة في حملة هجوم ميغالودون يستهدف 5,561 مستودعاً على غيت هب في ست ساعات، حيث استخدم المهاجمون أدوات مؤتمتة لدفع آلاف التحديثات البرمجية الخبيثة عبر عدد هائل من المستودعات في نافذة زمنية واحدة قصيرة. سواء جاءت الأتمتة من إساءة استخدام مكتوبة لـ CI/CD أو من نموذج لغوي كبير ينفذ سلسلة هجوم بشكل مستقل، فإن الدرس الأساسي واحد: لم يعد بإمكان المدافعين افتراض أن لديهم أيامًا أو أسابيع للاستجابة بمجرد توفر استغلال.

تؤكد هذه الاستعجال أيضًا على أهمية أساسيات إدارة التصحيحات. حتى مع تطور أدوات الهجوم، لا تزال العديد من هذه الحملات تبدأ بثغرة معروفة ومُفصح عنها لم تُصَحح بعد في البيئة المستهدفة. إن حجم دورات التصحيح الأخيرة، الذي يتضح من إصلاح قياسي لـ 570 ثغرة في تحديث واحد من مايكروسوفت، يُظهر المساحة الشاسعة التي يتعين على فرق الأمن تغطيتها فقط للبقاء على اطلاع. تحتاج المؤسسات التي تشغل أطر عمل ذكاء اصطناعي مثل Langflow إلى التعامل مع الإفصاحات عن الثغرات في هذه الأدوات بنفس القدر من الإلحاح المخصص تقليديًا لبرامج البنية التحتية الأساسية.

ما الذي يعنيه هذا لك

إذا كانت مؤسستك تستخدم Langflow أو أدوات تنسيق ذكاء اصطناعي مماثلة، فإن هذا التطور هو دعوة مباشرة للتحقق من حالة التصحيح ضد CVE-2025-3248 والتأكد من وجود ضوابط لإدارة بيانات الاعتماد وتجزئة الشبكة حول أنظمة الذكاء الاصطناعي. وحتى خارج نطاق Langflow تحديدًا، ينطبق الدرس الأوسع: البنية التحتية للذكاء الاصطناعي، بما في ذلك مستودعات النماذج وقواعد بيانات التدريب وأدوات تنسيق المسارات، أصبحت الآن هدفًا معترفًا به لمشغلي برمجيات الفدية، ويجب إدراجها في نفس قوائم جرد الأصول واستراتيجيات النسخ الاحتياطي وخطط الاستجابة للحوادث التي تغطي أنظمة الإنتاج التقليدية.

بالنسبة للمستخدمين الأفراد والفرق الصغيرة التي تجرب أدوات الذكاء الاصطناعي، فإن الخلاصة مماثلة على نطاق أصغر. يجب تحديث أي أداة ذكاء اصطناعي ذاتية الاستضافة على الفور، وكشفها فقط عند الضرورة، ومراقبتها بنفس الطريقة التي تراقب بها أي خدمة معرضة للإنترنت.

خلاصات قابلة للتنفيذ

  • قم بتصحيح CVE-2025-3248 في أي نشر لـ Langflow على الفور وتحقق من التحديث من خلال عملية إدارة التغيير المعيارية لديك.
  • قم بجرد جميع البنى التحتية للذكاء الاصطناعي، بما في ذلك قواعد البيانات ومكونات النماذج وأدوات التنسيق، وأدرجها صراحةً في تخطيط النسخ الاحتياطي والتعافي من الكوارث.
  • قم بتشديد إدارة بيانات الاعتماد حول أنظمة الذكاء الاصطناعي، حيث تعتمد سلسلة الهجوم بشكل كبير على اكتشاف بيانات الاعتماد بعد الاستغلال الأولي.
  • قم بتجزئة البنية التحتية للذكاء الاصطناعي عن شبكات الشركة الأوسع للحد من الحركة الجانبية في حالة حدوث اختراق.
  • قم بمراجعة أدلة الاستجابة للحوادث لمراعاة الجداول الزمنية للهجوم الآلي الأسرع، بدلاً من افتراض سلوك خصم بوتيرة بشرية.

لا تزال برمجيات الفدية المُدارة بالذكاء الاصطناعي فئة ناشئة، لكن السرعة والاستقلالية اللتين ظهرتا في هذه الحملة توضحان أن فرق الأمن بحاجة إلى التكيف الآن بدلاً من انتظار نضوج التهديد أكثر. البقاء على اطلاع بالتصحيحات، وتجزئة أنظمة الذكاء الاصطناعي، ومعاملة البنية التحتية للذكاء الاصطناعي كأصول أعمال حيوية هي خطوات عملية يمكن لكل مؤسسة اتخاذها اليوم.